Dia TTS ТТС
A 1.6B-parameter model purpose-built for generating natural multi-speaker dialogue, not just single-voice narration.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За Dia TTS
Dia by Nari Labs is a 1.6-billion-parameter text-to-speech model designed from the ground up for dialogue rather than monologue. It generates conversations between two speakers with realistic turn-taking, prosody, and emotional expression, producing audio that sounds like a real exchange instead of two voices read separately. Architecturally it pairs an autoregressive transformer with the Descript Audio Codec (DAC) for waveform generation. Dia is a strong fit for podcast-style content, scripted audiobook dialogue, and conversational scenes, and is released under Apache 2.0. Generations are heavier than single-voice models, so it favors quality over raw speed.
Најдобро за: Podcasts, audiobook dialogues, conversational content
Прелистувај ги сите Dia TTS гласовиНа еден поглед
- Развивач
- Nari Labs
- Лиценца
- Apache 2.0
- Ниво
- standard
- Брзина
- medium
- Гласовно клонирање
- Не.
- Јазици
- English
- Макс. знаци
- 800